連続時間IMUモデリングによるオンライン・時空間キャリブレーションを備えたレーダー・慣性オドメトリ

Abstract

レーダー慣性オドメトリ（RIO）は、低照度、霧、特徴のない環境、または悪天候といった困難な状況において、視覚やLiDARベースのオドメトリに対する堅牢な代替として注目されてきました。とはいえ、多くの既存のRIO手法は、既知のレーダー-IMU外部パラメータ（外部キャリブレーション）を前提にするか、オンラインでの外部推定に十分な運動励起があることに依存しています。また、センサ間の時間的な位置ずれはしばしば無視されるか、独立に扱われてきました。 本研究では、連続時間モデルに基づいて慣性計測を一様な三次Bスプラインで表現し、因子グラフ最適化の枠組みのもとで、空間的および時間的なキャリブレーションを同時にオンラインで実行するRIOフレームワークを提案します。 提案する加速度および角速度の連続時間表現は、レーダー-IMU計測の非同期性を正確に捉え、スキャンマッチング、ターゲット追跡、または環境固有の仮定に依存することなく、時間オフセットと外部キャリブレーションの両方のパラメータが信頼性よく収束することを可能にします。